视觉系统是机器人技术发展的重要领域之一，其作用等同于人类的视觉感官，能为躯体控制提供大量光学信息，是机器人重要的传感系统和外界环境信息来源。双目视觉系统能够从一对共极线的平行图像中得到成对平面图像的深度信息，经过处理恢复出三维地形信息的全貌。由双目视觉系统得到的三维地形信息，可以进行机器人行走的路径规划导航，并从规划好的路径通过逆运动学求解出机器人各关节的运动轨迹，从而完成机器人的控制功能。立体匹配技术是双目视觉系统进行三维重建的关键技术，其特点为计算量大，算法精度与速度相互制约，对实际场景变化鲁棒性差。图像具有数据存储内存消耗大，单像素存储方式一致的特点，根据其存储特点提出一套基于CUDA的并行图像处理算法，该方法包含原始图像采集的加速存储、读取和预处理及基于视差空间的立体匹配算法。通过研究传统的立体匹配算法，借鉴局部匹配代价聚合方法的速度优势和基于分割的全局方法精度优势，根据GPU硬件并行计算原理设计了一种基于特征点的贝叶斯后验分布视差估计模型和变十字自适应支撑权重视差填充方法，前者根据Sobel二次滤波得到的特征点，构建基于特征点的视差空间，使用贝叶斯后验分布模型对其它像素点在视差空间中进行视差值估计；后者对前者排除的像素点进行二次估计，得到填充区域视差值。利用GPU单元处理并行数据的运算能力对预处理及立体匹配图像处理算法进行提速，达到实时的效果。为在提高算法速度的同时保证精度，还对部分算法做出改进，调整关键参数，使之达到更好的效果。在该双目视觉算法的基础上，用Middlebury标准测试图进行算法性能的测试。使用实际双目摄像头场景实拍图对改进的并行立体匹配算法进行了实验。实验结果验证了基于GPU的立体匹配平台的快速性和有效性。与传统算法相比，并行化方法在保证精度的同时，运算速度有大幅度提升。